Neuer Prozessor und Tools für Deep Learning

7. März 2018, 12:35 Uhr
v-MP6000UDX-Subsystem mit bis zu 256 Cores für Embedded Vision. Bild: Videantis.
v-MP6000UDX-Subsystem mit bis zu 256 Cores für Embedded Vision. Bild: Videantis.
Die videantis GmbH hat kürzlich ihre neue Visual-Processing-Architektur v-MP6000UDX und das Tool v-CNNDesigner vorgestellt. Der neue Prozessor soll die Leistung des Deep-Learning-Algorithmus um bis zu drei Größenordnungen steigern, während die Software-Kompatibilität mit der bereits sehr leistungsstarken und erfolgreichen v-MP4000HDX-Architektur erhalten bleibt.

In der Automobilindustrie hat videantis aufgrund der schnellen Einführung fortschrittlicher Fahrerassistenzsysteme (ADAS) großes Potential. Die Technologie wurde von mehreren führenden Halbleiterunternehmen und OEMs übernommen und ist bereits in Millionen von Fahrzeugen unterwegs. Weiteres Wachstum wird in den Bereichen VR und AR (Virtual und Augmented Reality) angepeilt. Insbesondere Deep-Learning-basierte Algorithmen in embedded Bildverarbeitungssystemen ist ein neuer Trend. Deep Learning erfordert jedoch sehr viel mehr Rechen- und Bandbreite-Kapazität, die laut videantis mit der neuen v-MP6000UDX-Architektur realisiert werden kann.

Die Prozessorarchitektur v-MP6000UDX enthält einen erweiterten Befehlssatz, der für sogenannte Convolutional Neural Nets optimiert ist. Sie steigert den Multiplikations-Akkumulations-Durchsatz pro Core auf 64 MACs um das Achtfache. Da außerdem die Anzahl an Kernen von typischerweise 8 auf bis zu 256 erweitert wird, ist eine enorme Rechenleistung möglich. Neben dieser neuen Architektur hat videantis mit v-CNNDesigner ein neues Tool angekündigt, das die einfache Portierung neuronaler Netzwerke ermöglicht, die mit Frameworks wie TensorFlow oder Caffe entworfen und trainiert wurden. v-CNNDesigner analysiert, optimiert und parallelisiert trainierte neuronale Netzwerke für eine effiziente Verarbeitung auf der v-MP6000UDX-Architektur. Mit diesem Tool wird die Implementierung eines neuronalen Netzwerks vollständig automatisiert. Es sollte damit nur wenige Minuten dauern, bis CNNs auf der Low-Power-Videantis-Verarbeitungsarchitektur laufen.
 
Kommentare werden geladen...
Verwandte Artikel